Question

我有一个创建Tensorflow图的预定义代码。变量包含在变量范围中，每个变量都有一个预定义的初始化程序。有没有办法改变变量的初始化器？

例如：第一个图定义了

with tf.variable_scope('conv1')
    w = tf.get_variable('weights')

稍后我想修改变量并将初始化程序更改为Xavier：

 with tf.variable_scope('conv1')
     tf.get_variable_scope().reuse_variable()
     w = tf.get_variable('weights',initializer=tf.contrib.layers.xavier_initializer(uniform=False))

但是，当我重用变量时，初始化程序不会改变。稍后当我initialize_all_variables()时，我得到默认值而不是Xavier 如何更改变量的初始值设定项？感谢

Answer 1

问题是在设置重用时无法更改初始化（初始化在第一个块期间设置）。

因此，只需在第一个变量范围调用期间使用xavier初始化来定义它。所以第一次调用就是，所有变量的初始化都是正确的：

with tf.variable_scope(name) as scope:
    kernel = tf.get_variable("W",
                             shape=kernel_shape, initializer=tf.contrib.layers.xavier_initializer_conv2d())
    # you could also just define your network layer 'now' using this kernel
    # ....
    # Which would need give you a model (rather just weights)

如果您需要重新使用这组权重，第二次调用可以获得它的副本。

with tf.variable_scope(name, reuse=True) as scope:
    kernel = tf.get_variable("W")
    # you can now reuse the xavier initialized variable
    # ....

在Tensorflow中更改变量的初始值设定项

1 个答案: